兴奋的世界招聘中的世界将完全改善您的招聘流程吗？我们生活在一个迷人的时刻，因为这种情况在角落里 - 而你，人力资源专业人士可以让它更接近。
构建AIS的工程师需要数据培训机器，并且还需要更多信息来确定有效的工作。这就是组织可以贡献的地方，因为他们可以访问数据，并且它们处于实际测试技术中的位置。
这个话题是我与Matt Alder交谈的一部分，Matt Alder是著名的英国人力资源思想领袖和主持人招聘的未来播客。在一个小时的电话交谈中，我们讨论了企业如何在使用强大的招聘AI工具中塑造世界的可能性的可能行动。
参见我们的论招聘中AI的状态与未来机器是否真的能接受招聘人员的工作。
在我们自己的形象中的技术
我们用来训练我们的机器的数据对于成功的AI驱动的招聘战略至关重要。如果数据不准确，不完整，偏斜或一维，则机器的“智能”将受到影响。
所以，我们需要仔细选择我们的数据。这比听起来难，因为有时我们甚至没有意识到我们看到的是有偏差的或不完整的数据样本。因为我们只是人，我们有固有的困难来识别自己的缺点，错误的数据导致机器复制我们的偏见、观点或行为。“垃圾输入，垃圾输出”这句老话在这里很适用。
一个例子是表观冷漠，逃避或偶尔的积极反应当面对用户的口头性侵犯时，虚拟助手Siri和Alexa的功能就会发生变化。它们被编程以特定的方式应对各种形式的骚扰，这些骚扰可能被人类创造者认为是“OK”的(它们不是)。据Quartz报道，这是制造人工智能的公司正在努力解决的问题。
在招聘世界中，自动化工具不会做出最终的招聘决策，所以偏见有多重要？这里有一个有趣的警告。马特讨论了这个最近的招聘的未来播客他采访了米兰达·伯根upturn.，非营利性智库在数字技术的设计和使用方面促进股权和正义。
upturn最近发表了一个报告招聘算法偏见。根据这份报告，米兰达解释说，虽然人工智能在招聘中不能决定谁被雇佣，但它可以决定谁不被雇佣——而这些人通常具有特定的特征。谷歌算法就是一个例子只向男性展示高薪工作的广告因为它认为男人最有可能点击这些工作。这样，它有效地排除了妇女学习这些就业机会。Upturn的报告还提到了这种偏见仍然存在，即使您在培训机器时掩盖了性别和种族等属性。这部分是因为我们所提供的数据集本质上与系统偏差有关。
所以有一个合理的哲学问题：我们真的可以创造不复制我们的局限和偏见的技术吗？好吧，我们在Tech的其他分支机构中完成了如此：例如，我们的肉眼看不到太空的细节，但我们的望远镜可以。智能机器可以相同的方式工作 - 补充和提高我们的能力。
我们如何做到这一点不太清楚。马特反映了这一点：
“我认为这可能是未来几年的最大困境;我们如何实际使技术比人类更好？“
当人类是设计师时，其中有挑战。
我们需要更聪明
正如马特所强调的，打造纯粹客观而非主观的招聘流程机器的第一步，是有意识地理解我们自己的偏见。这不仅涉及到“是什么”，还涉及到“如何”。“如果我们要开发不带有人类偏见的人力资源技术，”马特说，“那么我们需要更多地了解这种偏见从何而来。”
招聘专业人士可能是在招聘过程中识别这些问题的最佳位置。监控您的模式招聘指标。例如，性别和种族偏见可以通过测量百分比申请并通过招聘流程进行的女性或非白色申请人。此外，定期与您的招聘团队沟通，了解他们用于做出决策的标准，并在寻找与与严格职能相关的标准的景观。
一旦开始收集这种类型的数据和见解，就可以在任何地方缓解偏差的系统努力。例如，您可以尝试更客观的招聘工具，如结构化面试， 和训练你的面试官克服他们无意识（和偶尔有意识）的偏见。
此外，参加讨论是有用的招聘人员在论坛或亲自交换有关现有偏见的信息和可能的策略来处理它们。我们的集体知识和对偏差的认识可以帮助制作AI在招聘工具的公司更有效地设计其产品。
我们也需要品种
当谈到招聘时，其中一个问题是，随着Matt指出，我们使用的数据并非非常有创意：
马特说:“我认为问题在于，我们仍然在努力消除简历上无法真正告诉你一个人的表现如何的问题。这就是为什么我们看到了更多的其他数据点，无论是面部识别、语调还是各种评估。”即使是最聪明的人工智能形式，一份简历也无法提供足够的信息来做出正确的决定。”
这与亚马逊AI招聘工具据报道，据报道，女性候选人，因为它主要受到男性的恢复训练 - 换句话说，亚马逊在AI驱动的招聘尝试失败，因为过去的数据集超过了过度的。如果我们使用多个数据点训练模型，我们可能会避免使用单个数据集的这些偏差和不一致。
因此，如果您的公司在人力资源或您与AI供应商密切合作的情况下，请考虑使用各种招聘方法（包括评估，视频访谈等），这些方法可以帮助您丰富用于培训AI工具的数据类型。
此外，您还可以确保我们对有意义的内容进行建模。马特说:“这是围绕高绩效者的样子来建模的。”“如果我们模拟他们的面部表情，会得出正确的匹配结果吗?”所以我们模仿他们的行为，态度，价值观，但我们要找的是什么方面呢?要找到符合我们要求的人，哪些方面是可重复的?”
试验和错误
实验是我们如何学习。这也许是公司可以为培训机器的整体方法做出贡献的最重要方面：具有现实生活数据。尝试系统地尝试AI工具和衡量结果。这样，我们很快就有更多的证据是有效的。
要开始尝试AI招聘，请考虑这四个步骤：
1.了解您当前的进程
除了识别你在招聘过程中的偏见之外，仔细分析你现有的招聘策略。“我认为这很大程度上是关于理解当前的过程，”马特说。“它是怎么工作的?”它的问题在哪里?这次经历怎么样?在大型企业中，情况可能非常复杂。可能有(许多)利益相关者和移动部件，人们可能无法完全理解到底发生了什么。”
审核你的招聘过程，找到利益相关者和他们的角色。使用招聘指标确定问题和瓶颈。然后你可能会知道哪些方面可能受益于自动化或AI工具的水平。
“越来越多的理解，并且自我意识到组织内部发生的事情是一个很好的开始，”马特说。
2.号脉
另一方面是了解环境。马特澄清道:“了解这项技术能做什么或不能做什么，看看那些试图(在招聘中)使用人工智能的公司，看看它们的招聘结果同样重要。
“然后它是关于将两者匹配。这项技术如何逼真地解决我们的利基问题？如果它可以，我们如何以实际工作的方式实施它？“
3.看看在招聘中有哪些人工智能可用
由于您已经预见了您的招聘流程并按照其他公司正在做的事情，寻找可用的工具。“了解可用的是什么以及重要的是重要的，”马特说。
“看看市场，看看现在可以做些什么。有人可以创造一些关于你所有问题的答案，你只是不知道它存在，“他说。“这是令人困惑和困难的，因为那里有这么多的噪音。但实际上对可用的东西很善看至关重要。“
当然，当供应商提到他们的人工智能工具是完全公正的时候，一定要对他们的说法持保留态度。正如米兰达·伯根(Miranda Bogen)在《招聘未来》(Recruiting Future)播客中所说:“随着预测工具获取的数据越来越多，这些数据与受保护类别密切相关甚至只是一个代理(为了不产生偏见，这些工具不应该考虑)的风险也就越来越大。”
如果您已经在使用自动化工具，请与供应商一起定期测试和验证它们。
记住候选人
应聘者在招聘时对人工智能的反应与工具本身的有效性同样重要。“我想要雇佣的人真的喜欢以这种方式自动互动吗?””马特问道。“因为如果他们不这样做，而我的竞争对手采取了更人性化的方式，那么我可能会错过一些伟大的人才。”
由于Matt提到，可能存在候选人欢迎实施自动化的情况;例如，关于其应用程序状态的通信将改善。“最大的投诉候选人已经是通过招聘来的黑洞，在那里他们只是不知道发生了什么，他们在过程中是什么阶段，下一步是什么，人们对他们的看法。我认为技术可以填补这种差距。“
但有时，候选人可能会混淆技术在招聘过程中的作用。
马特说:“对于科技是如何被用来筛选和挑选人才的，可能存在一些恐惧和误解。”“当然，最近出现的一些关于偏见的宣传不是好事。我倾向于发现，人们高估了人工智能在招聘中实际上对他们是否被选中负有责任的程度。”
人们谨慎，他们被露面的机器举办了一份工作，人类没有机会考虑它们。
与面部识别软件这样的工具尤其如此。“很容易被带走并思考”我脸上的表达是人们如何决定在这份工作中是否会成为一个高级表演者。“
Matt提醒我们，这让我们回到AI中数据的多个接触点对于减少对单一领域的依赖的重要性。“(人脸识别软件)只是众多数据中的一个。”正如Upturn的报告所强调的那样，招聘很少会变成一个单一的决定。
事情已经发生了
马特说:“有些公司实际上是通过自动化流程招聘员工的，他们可能直到上班第一天才会去和员工真正交谈。这是一段非常有趣的时光。我认为我们并不知道所有这些问题的答案是什么，我们需要做的是实验和反馈。”
Matt Perions一些公司正在尝试自动化招聘和毕业生招聘。例如，在开始时用一个视频采访替换多次访谈减少了你必须亲自见面的候选人的数量，并且候选人不必像以前一样多地经历许多招聘阶段。努力提高效率和整体候选经验。
“现在再说一遍，现在还为时过早，”马特提醒我们。“三四年后，他们是否会重新审视这个问题，说‘我们聘用的人不如我们以前聘用的人优秀’?”但尽管如此，这在招聘和选拔过程的改进方面肯定是有意义的。”
事实上，一些现实生活中的例子和数据将带来一场人工智能在招聘中如何制作和应用的革命，这在很多方面对组织有利。马特回忆起另一个新技术被测试的时候:
“我记得在90年代末，2000年代初，招募互联网成为一件事。有很多错误，而且发生了可怕的事情，但这并不意味着在线招聘并不是很大。它只是不完美的直接。“
Matt补充道:“一些公司进行了试验并坚持了下来，参与了辩论，提供了反馈，并帮助塑造了供应商提供的产品。他们是长期受益最大的公司。”
所以，不要害怕开辟新技术。如果您是早期采用者，当AI技术成为主流招聘过程的顺利操作方面时，您也是第一个受益的人。马特提醒我们，自动化已经广泛使用，您可以找到许多工具来申请您的招聘工作。试验它们。
“对结果要非常批判，非常分析，看它们是不是你想要的。”
